IA et automatisation à Marrakech
L'IA générique répond à tout le monde pareil. La vôtre doit connaître vos produits, vos tarifs, votre jargon et vos règles.
Brancher ChatGPT sur votre site ne constitue pas un projet d'IA. Un assistant qui ne connaît ni votre catalogue, ni vos prix, ni vos conditions d'annulation produit des réponses plausibles et fausses — et chaque réponse fausse vous coûte un client et parfois un litige.
Ce que je construis part de vos données : vos documents, votre historique, vos règles métier. Trois formes selon le besoin — un modèle spécialisé, un agent autonome, ou un enchaînement automatisé. La bonne réponse est souvent la plus simple, et je le dis quand une automatisation à 3 000 MAD remplace un projet d'IA à 80 000.
Trois formes concrètes
LLM sur mesure
Fine-tuning ou RAG sur vos documents. Le modèle apprend votre vocabulaire, vos formats et vos règles. Déployable sur votre infrastructure quand la confidentialité l'exige.
En savoir plusAgents IA
Des agents qui agissent, pas seulement qui répondent : qualifier un lead, rédiger un devis, trier un ticket, relancer un impayé, surveiller un concurrent. Avec garde-fous et validation humaine.
En savoir plusAutomatisation
Connecter ce qui ne se parle pas : formulaire vers CRM, facture vers comptabilité, commande vers logistique, avis client vers relance. Souvent sans une ligne d'IA.
En savoir plusVos données restent les vôtres
C'est la première question que pose toute entreprise sérieuse, et c'est la bonne. Trois niveaux sont possibles selon votre sensibilité.
Le plus courant : une API commerciale (Claude, GPT, Gemini) avec un contrat qui exclut l'entraînement sur vos données, et un filtrage des informations sensibles avant l'envoi. Le plus strict : un modèle ouvert — Llama, Mistral, Qwen — hébergé sur votre propre serveur ou sur un serveur marocain, sans qu'aucune donnée ne sorte. Entre les deux, une architecture hybride où seul le non-sensible sort.
Le choix se fait au cadrage, en fonction de ce que vous traitez, pas d'une préférence technique.
Ce qui échoue, et pourquoi
La majorité des projets d'IA en entreprise échouent pour trois raisons répétitives, et aucune n'est technique.
D'abord, l'absence de critère de réussite : personne n'a écrit avant de commencer ce à quoi ressemblerait un succès, donc le projet ne finit jamais. Ensuite, des données non préparées : un dossier de PDF mal scannés ne devient pas une base de connaissance parce qu'on l'a branché à un modèle. Enfin, aucune boucle de correction : le système part en production, dérive, et personne ne le mesure.
Je pose ces trois points au cadrage. Si le critère de réussite ne peut pas être écrit en une phrase mesurable, je vous dis que le projet n'est pas prêt plutôt que de le facturer.
Comment ça se passe
Cadrage
Le processus visé, son coût actuel en heures, le critère de réussite chiffré. Une page, validée par vous.
Prototype
Version testable sur un échantillon réel de vos données, en une à deux semaines. On mesure avant d'investir.
Production
Intégration à vos outils, garde-fous, journalisation, validation humaine sur les actions sensibles.
Suivi
Mesure de la qualité dans le temps, correction des dérives, réentraînement quand les données évoluent.